Knuspr, gurkerl und dm öffnen ihre Sortimente für KI-Agenten – ob Haushalte ihren Wocheneinkauf tatsächlich delegieren, ist offen. Im zweiten Teil skizziert Prof. Dr. Matthias Schu aus dem Etailment.de-Expertenrat zwei Szenarien für die Kundenschnittstelle und fünf Handlungsfelder für Lebensmittelhändler. Grundlage ist sein Buch „AI Disrupted“ (2026), das mit Unterstützung des Intralogistikanbieters KNAPP entstanden ist.
Im ersten Teil ging es um Schein und Sein: KI verdient im Lebensmittelhandel ihr Geld bislang vor allem im Maschinenraum, also in Prognose und Disposition, während kassenlose Läden und teure Robotik oft an der Rechnung scheitern. Als Ordnung diente ein Raster aus fünf KI-Klassen: Predictive AI, Generative AI, Computer Vision, Agentic AI sowie Robotik und Physical AI. Dieser zweite Teil richtet den Blick auf die jüngste Klasse und auf die Frage, wem künftig die Kundenschnittstelle gehört.
Wie nah diese Frage bereits ist, zeigt ein Fall aus der Schweiz: Im Februar 2026 sollte ein ChatGPT-Agent nur eine Einkaufsliste schreiben. Er bestellte auf migros.ch gleich selbst: für rund 200 Franken, inklusive der richtigen Windelgrösse.
Die offene Wette: Wem gehört künftig die Kundenschnittstelle?
Während der Maschinenraum vor allem eine Frage der Effizienz ist, berührt die jüngste KI-Klasse das Herzstück des Handels: die direkte Beziehung zum Kunden. Der Unterschied zwischen Generative AI und Agentic AI liegt dabei in der Vollmacht. Ein Chatbot empfiehlt eine Bestellung, ein Agent gibt sie auf.
Die Vorboten sind unübersehbar, und der DACH-Raum ist dabei keineswegs nur Zaungast. Knuspr hat im Januar 2026 seine eigene KI-Assistentin «Maia» lanciert. Bei der österreichischen Schwester gurkerl.at folgte im Juni 2026 nach eigenen Angaben der europaweit erste vollständige Einkauf innerhalb einer KI-Assistentin, inklusive Bezahlung im Chat. Seit Juli 2026 ist Knuspr zudem über einen eigenen MCP-Server (Model Context Protocol), quasi die Steckdose für fremde KI-Assistenten, in ChatGPT eingebunden. Selbst dm öffnet seinen Katalog über einen öffentlichen MCP-Server für die Suche fremder Agenten. Der eingangs erwähnte Migros-Fall zeigt die passive Variante: Agenten warten nicht auf Einladungen. Sie kaufen auch dort ein, wo niemand eine Schnittstelle für sie gebaut hat.
Ob daraus ein Massenphänomen wird, kann heute niemand seriös vorhersagen. Strategy& hält es für möglich, dass bis 2030 bis zu 15 Prozent des europäischen Onlinehandels über KI-Agenten laufen; in Österreich nutzen bereits 4 Prozent der Konsumenten agentische KI für automatisierte Käufe. Dem steht eine reale Skepsis gegenüber: In den USA blickt laut Pew Research Center gut die Hälfte der Konsumenten mit mehr Sorge als Begeisterung auf die wachsende Rolle von KI im Alltag. Ob Haushalte ihren Wocheneinkauf tatsächlich delegieren, entscheidet sich am Vertrauen. Technisch ist es längst möglich.
Strategisch lohnt es sich deshalb, in zwei Szenarien zu denken. Im Basisszenario verändert KI den Handel von innen nach aussen, die Prozesse zuerst, die Kundenbeziehung zuletzt, und die eigene Storefront bleibt das Zentrum. Im beschleunigten Szenario nimmt ein Einkaufsagent die Vertrauensschwelle, und die Logik kehrt sich um. Dann besucht nicht mehr der Kunde den Onlineshop, sondern der Agent fragt Sortimente, Preise und Verfügbarkeiten über Schnittstellen ab und entscheidet in Sekunden. Sichtbarkeit wird binär: Wer maschinenlesbare Produktdaten, agentenfähige Schnittstellen und wettbewerbsfähige Konditionen bietet, existiert für den Agenten. Wer nicht, existiert nicht. Das trifft ausgerechnet den jüngsten Margenpool der Branche. Retail Media verkauft heute menschliche Aufmerksamkeit, und ein Agent sieht keine Banner.
Die gute Nachricht: Beide Szenarien verlangen dieselben Fundamente. Saubere, maschinenlesbare Stammdaten, offene Schnittstellen und eine wettbewerbsfähige Kostenposition braucht es so oder so. Das beschleunigte Szenario verlangt nichts Eigenes, es verlangt dasselbe, nur früher und kompromissloser. Wer allerdings darauf wettet, dass das langsame Szenario eintritt, hat im schnellen keine Position mehr.
Was LEH-Entscheider jetzt tun müssen: Fünf konkrete Handlungsfelder
Handlungsfeld 1: KI nach Klassen entscheiden, nicht pauschal
Jede KI-Initiative und jedes Anbieterangebot gehört zuerst einer der fünf Klassen zugeordnet, mit dem jeweils passenden Erwartungshorizont. Was von Predictive AI verlangt werden darf, darf von Agentic AI noch nicht verlangt werden, und was Robotik an Kapital bindet, kostet Generative AI nicht. Die einfachste Rückfrage in jeder Anbieterpräsentation lautet deshalb: In welcher Klasse spielt dieses Angebot eigentlich, und welche Referenz im Regelbetrieb gibt es dafür?
Handlungsfeld 2: Im Maschinenraum starten, mit dem Ziel Regelbetrieb
Statt zwanzig paralleler Piloten braucht es zwei bis drei belegte Effizienz-Cases, im Zweifel Forecasting und Disposition, Service-Automatisierung und Content-Produktion. Jeder davon mit klarer Ownership im Fachbereich und dem erklärten Ziel Regelbetrieb statt Dauerpilot. Mit diesen Effizienzhebeln darf konservativ gerechnet werden. Wachstumshebel wie Retail Media oder Personalisierung sind real, aber jünger und volatiler. Sie gehören als Option in die Planung, nicht als Fundament in den Business Case.
Handlungsfeld 3: Daten vom Use Case her aufräumen
Wer das perfekte, unternehmensweite Data Warehouse zur Vorbedingung für KI erklärt, vertagt die Wertschöpfung um Jahre. Erfolgreiche Händler gehen umgekehrt vor: Das Forecasting-Projekt erzwingt saubere Bestandsdaten, der Agentenauftritt erzwingt saubere Stammdaten, und beides wird als wiederverwendbares Datenprodukt für das nächste Vorhaben behandelt. Maschinen verzeihen dabei keine Inkonsistenzen. Ein Mensch erkennt, dass «1L» und «1 Liter» dasselbe sind. Ein Agent, der Preise vergleicht, im Zweifel nicht.
Handlungsfeld 4: Organisation vor Algorithmik
Bewährt hat sich ein föderiertes Hub-and-Spoke-Modell: Eine kleine zentrale Einheit verantwortet Plattform und Standards, die Use Cases gehören den Fachbereichen. Beim Kompetenzaufbau kommen Data Engineers vor Data Scientists, weil der Engpass in den Datenflüssen liegt und nicht in der Modellierung. Und die Breite der Belegschaft braucht einen gefahrlosen Übungsplatz. dm hat seinen internen Chatbot dmGPT bereits 2023 für die Zentrale freigeschaltet und danach gemeinsam mit den Filialteams verprobt. Wer täglich mit KI arbeitet, entwickelt ein Gespür dafür, wann den Systemen zu trauen ist. Genau dieses Gespür entscheidet später, ob eine Empfehlung umgesetzt oder still ignoriert wird.
Handlungsfeld 5: Agentenfähigkeit als Versicherungsprämie behandeln
Die Agentenfähigkeit des eigenen Angebots rechnet sich in keinem Business Case des laufenden Jahres und gehört trotzdem auf die Roadmap: mit kleinem, aber konstantem Budget für maschinenlesbare Produktdaten, offene Schnittstellen und erste Gehversuche mit Protokollen wie MCP. Mitgedacht werden muss dabei die Haftungsfrage. Ein Bestellagent braucht ein klares Mandat mit Volumen-, Wert- und Eskalationsgrenzen, und die Frage «Wer haftet, wenn der Agent falsch bestellt?» braucht eine Antwort vor dem Go-live, nicht erst vor Gericht.
Finally: Retail is Detail, auch mit KI
Künstliche Intelligenz ist die mächtigste neue Steuerungstechnologie des Handels seit der Einführung des Barcodes. Sie verändert, wie Sortimente entstehen, Preise gesetzt, Lager bewirtschaftet und Kunden bedient werden. Was sie nicht verändert, sind die Grundgesetze des Geschäfts: physische Ware, Frische, Verfügbarkeit, faire Preise und Vertrauen. Für jede kundensichtbare Anwendung gilt deshalb eine einfache Regel: Was sich dem Kunden als sein Vorteil erklären lässt, wird akzeptiert. Was nur dem Händler nützt, wird bestraft. Dynamische Rabatte auf ablaufende Frischware versteht jeder, Surge Pricing beim Grundbedarf niemand.
Gewinnen werden in den kommenden zwei bis drei Jahren jene Händler, die KI am konsequentesten mit diesen Handelstugenden verbinden. Die Technologie können alle kaufen, die eigene Lernkurve nicht.
Oder, auf den Punkt gebracht: Hört auf, über «die KI» zu reden. Und fangt an, Eure Prognosen, Eure Stammdaten und Eure Leute fit zu machen, denn dort entscheidet sich, ob KI bei Euch Schein bleibt oder Sein wird.